CN117290708A - 便于计算暂态冲击量的高低频混叠信号分离方法 - Google Patents
便于计算暂态冲击量的高低频混叠信号分离方法 Download PDFInfo
- Publication number
- CN117290708A CN117290708A CN202311581859.1A CN202311581859A CN117290708A CN 117290708 A CN117290708 A CN 117290708A CN 202311581859 A CN202311581859 A CN 202311581859A CN 117290708 A CN117290708 A CN 117290708A
- Authority
- CN
- China
- Prior art keywords
- frequency
- low
- fluctuation
- signal
- signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000001052 transient effect Effects 0.000 title claims abstract description 23
- 238000000926 separation method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012937 correction Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000009467 reduction Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种便于计算暂态冲击量的高低频混叠信号分离方法,包括:将采集的原始高低频混叠信号进行首层波动特征提取,确定原始信号中所有波动特征点;根据校正权重求取低频信号波动特征点,差值运算后获得高、低频波动特征;根据权重对高频波动特征进行修正,从原始高低频混叠信号分离还原成便于计算暂态冲击量的高、低频信号;本发明可用于对高低频混叠信号进行解耦,还原高、低频信号并有效地反映信号高、低频特征,十分有利于计算暂态冲击量,进而能够有效地提高暂态冲击量计算效率和准确率。
Description
技术领域
本发明涉及信号处理技术领域,特别是一种便于计算暂态冲击量的高低频混叠信号分离方法。
背景技术
在对信号采集过程中,原始信号可能为来自信号采集现场的各种高低频信号混合叠加,而将需要的高频信号与其他信号分离是后续进行信号处理和数据分析的关键。分离重叠信号可以通过传统的波动法利用信号中频率差来分离,当高频信号和低频信号被叠加在一起时,信号表现出的波动特征和高频信号的波动特征相似,但实际为高低频信号叠加后的波动特征,在低频信号未被分离时,其波动特征被掩盖,无法正确地识别其特征。而且传统波动法缺少自适应分离包含间歇性高频信号的混叠信号,当原始信号里的高频信号具有间歇性时,低频信号本身的波动特征只有在高频信号出现的时间段才会被掩盖,而传统波动法进行高低频混叠信号的解耦就会造成高频信号波动特征混叠。采用传统波动法分离出来的混叠信号进行暂态冲击量计算,就会由于存在其他信号特征叠加而导致暂态冲击量计算结果存在一定的误差,对后续信号处理和数据分析造成干扰。
发明内容
为解决现有技术中存在的问题,本发明的目的是提供一种便于计算暂态冲击量的高低频混叠信号分离方法,本发明可用于对高低频混叠信号进行解耦,还原高、低频信号并有效地反映信号高、低频特征,十分有利于计算暂态冲击量,进而能够有效地提高暂态冲击量计算效率和准确率。
为实现上述目的,本发明采用的技术方案是:一种便于计算暂态冲击量的高低频混叠信号分离方法,包括如下步骤:
步骤1、将采集的原始高低频混叠信号进行首层波动特征提取,确定原始信号中所有波动特征点;
步骤2、根据校正权重求取低频信号波动特征点,差值运算后获得高、低频波动特征;
步骤3、根据权重对高频波动特征进行修正,从原始高低频混叠信号分离还原成便于计算暂态冲击量的高、低频信号。
作为本发明的进一步改进,在步骤1中,对原始高低频混叠信号的首层波动特征提取具体如下:从第一个数据点进行局部波动量计算,计算表达式如下:
;
式中,为原始信号数据中第/>次局部波动量,为原始信号数据中的第/>个点的数值,/>为原始信号数据中的第/>个点的数值,/>为原始数据中/>次局部波动量的累加。
作为本发明的进一步改进,在步骤2中,根据校正权重求取低频信号波动特征点具体如下:波动特征点校正权重的计算表达式如下:
;
式中,为第/>次波动的校正权重,/>为第/>次波动的波动时间,/>为波动时间阈值;
确定波动特征点校正权重后,再确定低频波动特征点位置和幅值,计算表达式如下:
;
式中低频波动第/>个特征点的点号,round为表示取整运算,将括号内结果四舍五入为整数,/>为第/>次波动的结束处的点号,/>为第/>次波动的结束处的点号,/>为第次波动的结束处的幅值,/>为第/>次波动的结束处的幅值,为低频波动第/>个特征点的幅值,/>为第/>次波动的校正权重。
作为本发明的进一步改进,在步骤3中,根据权重对高频波动特征进行修正具体如下:
将各低频波动特征点相连进行插值运算即可到未校正的低频信号,未校正的高频信号由原始数据与未校正的低频信号差值得出,计算表达式如下:
;
式中,为未校正的低频信号的第/>个幅值,为未校正的高频信号的第/>个幅值,/>原始数据中的第/>个点的数值;
再次使用校正权重对做差后得到的未校正高频信号的幅值进行校正消除小幅波动带来的畸变;某点处于两个首层波动特征点之间的高频信号幅值通过校正得到,计算表达式如下:
;
式中,为高频信号在点/>的幅值,为第/>次波动的校正权重,/>为未校正的高频信号的第/>个点的幅值;
通过校正的高频信号与原信号做差还原低频信号,计算表达式如下:
;
式中为还原的低频信号第/>个点幅值,/>为还原的高频信号第/>个点幅值,/>原始数据中的第/>个点的数值。
本发明的有益效果是:
本发明考虑到通常采集到的信号常常与系统自身噪声、工频信号耦合重叠,导致其特征被掩盖,而传统波动法用于放电信号降噪、放电脉冲提取,是在保留信号中冲击信号上升下降时间、最大幅值、峰峰值等关键信号特征前提下对信号的抽象和提炼,传统波动法无法自适应分离包含间歇性,造成高频信号波动特征混叠,因此在传统波动法基础上基于波动时间与信号频率间的映射关系提出加权波动法,根据波动时间权重,修正波动特征点位置,即根据波动时间统计信息,确定在信号的某次波动中是否发生明显的高低频信号混叠,进而确定低频信号在该处的特征点,实现低频信号的还原,解决传统波动法在分离间歇性高频信号中出现的信号混叠问题,达到对原始高低频混叠信号进行高频、低频信号分离还原且还原其波动特征。而分离后的高、低频信号,十分有便于计算其暂态冲击量。
附图说明
图1为本发明实施例的流程图;
图2为本发明实施例中首层波动特征提取流程图;
图3为本发明实施例中低频信号特征点求取流程图;
图4为本发明实施例中高、低频信号还原流程图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例
如图1-图4所示,一种便于计算暂态冲击量的高低频混叠信号分离方法,包括以下步骤:
步骤1、对原始高低频混叠信号进行首层波动特征提取,确定原始信号中所有波动特征点;对信号进行首层波动特征提取,需要从第一个数据点进行局部波动量开始计算,计算表达式:
;
式中,为原始信号数据中第/>次局部波动量,为原始信号数据中的第/>个点的数值,/>为原始信号数据中的第/>个点的数值,/>为原始数据中/>次局部波动量的累加。
步骤2、根据校正权重求取低频信号波动特征点方法,差值运算后获得高、低频波动特征,波动特征点校正权重的计算表达式:
;
式中,为第/>次波动的校正权重,/>为第/>次波动的波动时间,/>为波动时间阈值;
步骤3、确定波动特征点校正权重后,可以确定低频波动特征点位置和幅值,计算表达式:
;
式中低频波动第/>个特征点的点号,round为表示取整运算,将括号内结果四舍五入为整数,/>为第/>次波动的结束处的点号,/>为第/>次波动的结束处的点号,/>为第次波动的结束处的幅值,/>为第/>次波动的结束处的幅值,为低频波动第/>个特征点的幅值,/>为第/>次波动的校正权重。
步骤4、根据权重对高频波动特征进行修正方法,将各低频波动特征点相连进行插值运算即可到未校正的低频信号,未校正的高频信号可以由原始数据与未校正的低频信号差值得出,计算表达式:
;
式中,为未校正的低频信号的第/>个幅值,为未校正的高频信号的第/>个幅值,/>原始数据中的第/>个点的数值;
步骤5、再次使用校正权重对做差后得到的未校正高频信号的幅值进行校正可以消除小幅波动带来的畸变。某点处于两个首层波动特征点之间的高频信号幅值可以通过校正得到,计算表达式:
;
式中,为高频信号在点/>的幅值,为第/>次波动的校正权重,/>为未校正的高频信号的第/>个点的幅值。
步骤6、通过校正的高频信号与原信号做差还原低频信号,计算表达式:
;
式中为还原的低频信号第/>个点幅值,/>为还原的高频信号第/>个点幅值,/>原始数据中的第/>个点的数值。
本实施例中,首先对采集到的原始高低混叠信号进行首层波动提取,确定原始高低混叠信号中所有波动特征点,求取每次信号波动中的中心点作为低频波动特征点及其幅值,通过校正权重计算求取还原低频波动特征点在高频波动中的位置及幅值,将原始混叠信号与还原的低频信号进行差值运算求取未校正的高频信号,再通过校正权重计算对未校正的高频信号进行校正,最终还原出便于计算暂态冲击量的高、低频信号。
本实施例具有如下优点:在实际中对含有偶发性高频信号混叠信号进行提取时,能够有效地避免将低频信号波动特征判定为高频信号波动特征;在进行高、低频信号还原时,采用波动时间阈值的校 正权重进行修正,能够有效地消除首层波动特征点附近产生本不存在的小幅波动;能够有效地解决传统波动法在分离间歇性高频信号中出现的信号混叠问题;分离还原出来的高、低频信,十分便于计算其暂态冲击量。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (4)
1.一种便于计算暂态冲击量的高低频混叠信号分离方法,其特征在于,包括如下步骤:
步骤1、将采集的原始高低频混叠信号进行首层波动特征提取,确定原始信号中所有波动特征点;
步骤2、根据校正权重求取低频信号波动特征点,差值运算后获得高、低频波动特征;
步骤3、根据权重对高频波动特征进行修正,从原始高低频混叠信号分离还原成便于计算暂态冲击量的高、低频信号。
2.根据权利要求1所述的便于计算暂态冲击量的高低频混叠信号分离方法,其特征在于,在步骤1中,对原始高低频混叠信号的首层波动特征提取具体如下:从第一个数据点进行局部波动量计算,计算表达式如下:
;
式中,为原始信号数据中第/>次局部波动量,/>为原始信号数据中的第/>个点的数值,/>为原始信号数据中的第/>个点的数值,/>为原始数据中/>次局部波动量的累加。
3.根据权利要求2所述的便于计算暂态冲击量的高低频混叠信号分离方法,其特征在于,在步骤2中,根据校正权重求取低频信号波动特征点具体如下:
波动特征点校正权重的计算表达式如下:
;
式中,为第/>次波动的校正权重,/>为第/>次波动的波动时间,/>为波动时间阈值;
确定波动特征点校正权重后,再确定低频波动特征点位置和幅值,计算表达式如下:
;
式中低频波动第/>个特征点的点号,round为表示取整运算,将括号内结果四舍五入为整数,/>为第/>次波动的结束处的点号,/>为第/>次波动的结束处的点号,/>为第/>次波动的结束处的幅值,/>为第/>次波动的结束处的幅值,为低频波动第/>个特征点的幅值,/>为第/>次波动的校正权重。
4.根据权利要求3所述的便于计算暂态冲击量的高低频混叠信号分离方法,其特征在于,在步骤3中,根据权重对高频波动特征进行修正具体如下:
将各低频波动特征点相连进行插值运算即可到未校正的低频信号,未校正的高频信号由原始数据与未校正的低频信号差值得出,计算表达式如下:
;
式中,为未校正的低频信号的第/>个幅值,/>为未校正的高频信号的第/>个幅值,/>原始数据中的第/>个点的数值;
再次使用校正权重对做差后得到的未校正高频信号的幅值进行校正消除小幅波动带来的畸变;某点处于两个首层波动特征点之间的高频信号幅值通过校正得到,计算表达式如下:
;
式中,为高频信号在点/>的幅值,/>为第/>次波动的校正权重,/>为未校正的高频信号的第个点的幅值;
通过校正的高频信号与原信号做差还原低频信号,计算表达式如下:
;
式中为还原的低频信号第/>个点幅值,/>为还原的高频信号第/>个点幅值,/>原始数据中的第/>个点的数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311581859.1A CN117290708B (zh) | 2023-11-24 | 2023-11-24 | 便于计算暂态冲击量的高低频混叠信号分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311581859.1A CN117290708B (zh) | 2023-11-24 | 2023-11-24 | 便于计算暂态冲击量的高低频混叠信号分离方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117290708A true CN117290708A (zh) | 2023-12-26 |
CN117290708B CN117290708B (zh) | 2024-02-09 |
Family
ID=89241168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311581859.1A Active CN117290708B (zh) | 2023-11-24 | 2023-11-24 | 便于计算暂态冲击量的高低频混叠信号分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117290708B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117977635A (zh) * | 2024-03-27 | 2024-05-03 | 西安热工研究院有限公司 | 熔盐耦合火电机组的调频方法、装置、电子设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0556396A (ja) * | 1991-01-02 | 1993-03-05 | Samsung Electron Co Ltd | 狭帯域媒体を通じて広帯域幅のビデオ信号を記録および再生するためのシステム |
US5675659A (en) * | 1995-12-12 | 1997-10-07 | Motorola | Methods and apparatus for blind separation of delayed and filtered sources |
JP2007288318A (ja) * | 2006-04-13 | 2007-11-01 | Nippon Telegr & Teleph Corp <Ntt> | ブラインド信号分離装置及びブラインド信号分離方法 |
CN104243770A (zh) * | 2013-06-19 | 2014-12-24 | 日立产业控制解决方案有限公司 | 图像信号处理装置、摄像装置及图像处理程序 |
CN104636313A (zh) * | 2014-12-16 | 2015-05-20 | 成都理工大学 | 一种冗余扩展单源观测信号的盲信号分离方法 |
CN108801251A (zh) * | 2018-06-12 | 2018-11-13 | 中国科学院光电技术研究所 | 一种惯性传感器混叠干扰信号分离方法 |
CN109243485A (zh) * | 2018-09-13 | 2019-01-18 | 广州酷狗计算机科技有限公司 | 恢复高频信号的方法和装置 |
CN110688981A (zh) * | 2019-10-14 | 2020-01-14 | 江西理工大学 | 一种振动信号去噪的模态混叠消除方法 |
CN111007316A (zh) * | 2019-06-25 | 2020-04-14 | 山东大学 | 基于fft与dwt的混合谐波检测改进方法 |
CN112580876A (zh) * | 2020-12-21 | 2021-03-30 | 国网甘肃省电力公司电力科学研究院 | 基于改进emd-lstm组合模型的光伏电站发电分频段预测方法 |
CN113726318A (zh) * | 2021-07-08 | 2021-11-30 | 四川大学 | 基于wm的局部放电白噪声自适应抑制方法 |
CN115422963A (zh) * | 2022-06-23 | 2022-12-02 | 杭州科技职业技术学院 | 基于EMD区段划分的前向线性预测pH信号滤波方法 |
-
2023
- 2023-11-24 CN CN202311581859.1A patent/CN117290708B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0556396A (ja) * | 1991-01-02 | 1993-03-05 | Samsung Electron Co Ltd | 狭帯域媒体を通じて広帯域幅のビデオ信号を記録および再生するためのシステム |
US5675659A (en) * | 1995-12-12 | 1997-10-07 | Motorola | Methods and apparatus for blind separation of delayed and filtered sources |
JP2007288318A (ja) * | 2006-04-13 | 2007-11-01 | Nippon Telegr & Teleph Corp <Ntt> | ブラインド信号分離装置及びブラインド信号分離方法 |
CN104243770A (zh) * | 2013-06-19 | 2014-12-24 | 日立产业控制解决方案有限公司 | 图像信号处理装置、摄像装置及图像处理程序 |
US20140376814A1 (en) * | 2013-06-19 | 2014-12-25 | Hitachi Industry & Control Solutions, Ltd. | Image Signal Processing Apparatus, Imaging Apparatus and Image Processing Program |
CN104636313A (zh) * | 2014-12-16 | 2015-05-20 | 成都理工大学 | 一种冗余扩展单源观测信号的盲信号分离方法 |
CN108801251A (zh) * | 2018-06-12 | 2018-11-13 | 中国科学院光电技术研究所 | 一种惯性传感器混叠干扰信号分离方法 |
CN109243485A (zh) * | 2018-09-13 | 2019-01-18 | 广州酷狗计算机科技有限公司 | 恢复高频信号的方法和装置 |
CN111007316A (zh) * | 2019-06-25 | 2020-04-14 | 山东大学 | 基于fft与dwt的混合谐波检测改进方法 |
CN110688981A (zh) * | 2019-10-14 | 2020-01-14 | 江西理工大学 | 一种振动信号去噪的模态混叠消除方法 |
CN112580876A (zh) * | 2020-12-21 | 2021-03-30 | 国网甘肃省电力公司电力科学研究院 | 基于改进emd-lstm组合模型的光伏电站发电分频段预测方法 |
CN113726318A (zh) * | 2021-07-08 | 2021-11-30 | 四川大学 | 基于wm的局部放电白噪声自适应抑制方法 |
CN115422963A (zh) * | 2022-06-23 | 2022-12-02 | 杭州科技职业技术学院 | 基于EMD区段划分的前向线性预测pH信号滤波方法 |
Non-Patent Citations (4)
Title |
---|
RITESH KUMAR YADAV等: "Blind audio source separation using weight initialized independent component analysis", 2015 1ST INTERNATIONAL CONFERENCE ON NEXT GENERATION COMPUTING TECHNOLOGIES (NGCT), pages 563 - 566 * |
张成: "语音信号的盲源分离方法研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 6, pages 136 - 275 * |
曾潮旭等: "开关柜典型局部放电类型超声波信号特征量研究", 高压电器, pages 1 - 10 * |
蒋永华等: "应用自适应带宽信号的BS-EMD混叠消除", 振动与冲击, no. 16, pages 88 - 95 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117977635A (zh) * | 2024-03-27 | 2024-05-03 | 西安热工研究院有限公司 | 熔盐耦合火电机组的调频方法、装置、电子设备及介质 |
CN117977635B (zh) * | 2024-03-27 | 2024-06-11 | 西安热工研究院有限公司 | 熔盐耦合火电机组的调频方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117290708B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117290708B (zh) | 便于计算暂态冲击量的高低频混叠信号分离方法 | |
CN100525429C (zh) | 数据限制装置、数据限制方法及振幅判断值设定方法 | |
CN106896407A (zh) | 一种基于近似负熵的微地震信号初至拾取方法 | |
CN102722686B (zh) | 磁卡解码方法 | |
CN103487788A (zh) | 一种序列脉冲信号快速自动提取方法 | |
CN104616660A (zh) | 基于环境噪音检测的智能语音播报系统及方法 | |
CN102722690B (zh) | 磁卡解码方法 | |
CN104463057B (zh) | 一种磁卡解码方法及装置 | |
CN1474190A (zh) | 一种采用多端信号的输电线路精确故障定位方法及装置 | |
CN204177961U (zh) | —种基于fpga的s模式二次雷达解码器 | |
CN101409093A (zh) | 一种确定音频数据采样点位置的方法及装置 | |
CN104682981A (zh) | 广播式自动相关监视ads-b接收机解码板 | |
CN111047579A (zh) | 一种特征质量评估方法及图像特征均匀提取方法 | |
CN115085761B (zh) | 基于跳频描述字的异步跳频网台分选方法 | |
CN115792507A (zh) | 一种基于短时窗斜率单调性的多重雷击判别方法及系统 | |
CN101860402B (zh) | 减少emi的并行数据传输方法 | |
CN101272362B (zh) | 一种基带信号的恢复方法 | |
CN110646844B (zh) | 基于波形包络线的隧道岩石破裂微震s波到时拾取方法 | |
CN113552408A (zh) | 过零检测电路、设备及高频感应电源系统 | |
CN111858127A (zh) | 一种测风数据的错误数据校验方法及系统 | |
CN109740635B (zh) | 基于二分类器的分类识别特征映射方法 | |
JP2856939B2 (ja) | データ受信方法 | |
CN116047604B (zh) | 基于振幅统计和时频分析的深度震相快速拾取方法 | |
CN109975845B (zh) | 一种基于北斗系统的授时定位系统及其授时定位方法 | |
CN101984696B (zh) | 无线局域网中不同格式帧的检测方法及检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |